#视觉模型

Awesome-Parameter-Efficient-Transfer-Learning

该项目提供了关于参数高效迁移学习的全面资源，包含多种调优方法和最新研究。研究人员和工程师可以参考这些资源，以提高预训练视觉模型的微调效率，并了解最新的项目更新，如视觉PEFT库和基准测试。

awesome-contrastive-self-supervised-learning

该项目收录了对比自监督学习领域的重要论文和资源,覆盖从2017年至今的研究成果。内容包括综述、算法、应用等,按年份分类整理。研究人员可通过此项目快速了解该领域发展历程和最新动态,是深入研究对比学习的重要参考资料。

bioclip

BioCLIP是一个基于CLIP架构的生物学视觉模型，利用包含超过45万分类单元的数据集，在生物分类测试中表现超过基准16%-17%。它能学习与生命树一致的层次表示，支持生物学家进行新物种和相似生物的发现。

siglip-so400m-14-980-flash-attn2-navit

项目提升视觉塔最大分辨率到980x980，结合NaViT策略，支持变分辨率及纵横比自适应的图像处理。这些更新确保与原模型的向后兼容性，同时扩展了视觉处理潜力。通过插值位置嵌入提升分辨率，NaViT策略实现灵活性。用户无需指定patch_attention_mask即可兼容旧版本，享受新功能的优势，确保模型在高效处理高分辨率图像时保持兼容性。

t2i-adapter-lineart-sdxl-1.0

T2I Adapter引入线条艺术条件，为StableDiffusionXL模型增强文本到图像生成功能。该项目由腾讯ARC和Hugging Face合作开发，专业处理复杂图像造型和结构。通过Apache 2.0许可证分发，便于集成与扩展。模型的条件设置挖掘更多可控能力，增加艺术与AI图像生成的创意。GitHub库和相关论文提供完整指南和示例，适合开发者与研究人员。

Florence-2-base-ft

Florence-2-base-ft是一款多任务视觉AI模型，可处理多种视觉和视觉-语言任务。该模型通过解释简单的文本提示，执行图像描述、物体检测和分割等操作。在图像描述、视觉问答和引用表达理解等基准测试中，Florence-2-base-ft展现出优秀性能。这个拥有2.3亿参数的模型为各类视觉任务提供了统一的表示方法，展现了人工智能在视觉理解领域的最新进展。

swin-base-patch4-window7-224

Swin Transformer是Microsoft开发的图像分类模型，通过层级特征图构建和局部窗口注意力机制实现线性计算复杂度。模型在ImageNet-1k数据集上完成224x224分辨率训练，可作为通用主干网络支持图像分类和密集识别任务。其创新的窗口划分策略使模型在处理大尺寸图像时具有更高的效率。

mask2former-swin-large-coco-panoptic

Mask2Former-Swin-Large是一个基于COCO数据集训练的图像分割模型，通过多尺度可变形注意力和掩码注意力机制，实现了实例、语义和全景分割的统一处理。相比MaskFormer具有更高的性能和计算效率

I-live-well-foodai

这是一个采用Google视觉transformer技术开发的食品图像分类系统，通过对大量食品图片数据的深度学习，模型识别准确率达到72.33%。该系统可以精准识别各类食品图像，在智能餐饮分析、营养管理等领域具有实际应用价值。